-
公开(公告)号：CN116087435B
公开(公告)日：2023-06-16
申请号：CN202310347881.3
申请日：2023-04-04
Applicant: 石家庄学院
Abstract: 本发明提供了一种空气质量监测方法、电子设备及存储介质，首先获取待检测点的空气质量数据来构建张量数据；然后对张量数据进行Tucker分解，得到核张量和各模对应的因子矩阵；再结合张量补全模型，采用优化最小化方法对模型进行求解，得到重构张量；其中，张量补全模型中设置有核范数和log‑sum惩罚函数来体现各模对应的因子矩阵的低秩性和核张量的结构稀疏性；再根据重构张量，对待检测点的张量数据进行补全，得到补全后的张量数据，从而确定待检测点的空气质量监测结果。通过将分解产生的各模对应的因子矩阵的低秩结构和核张量的结构稀疏性来构建重构张量，从而刻画张量数据的各维度之间的低秩性，来对张量数据进行补全，实现空气质量的精准监测。
-
Patent Agency Ranking
公开(公告)号：CN116450636B
公开(公告)日：2023-08-18
申请号：CN202310729965.3
申请日：2023-06-20
Applicant: 石家庄学院
IPC: G06F16/215 , G06F17/16
Abstract: 本发明提供了一种基于低秩张量分解的物联网数据补全方法、设备及介质，首先构建物联网监测数据的三阶张量数据并进行正交Tucker分解，得到核张量和因子矩阵；将核张量、因子矩阵、三阶张量数据输入到张量补全模型中，对张量补全模型进行求解，并用三阶张量数据对求解得到的三阶张量重构数据进行张量补全，得到补全后的三阶张量重构数据；其中，张量补全模型根据核张量和因子矩阵的各模的乘积生成的三阶张量重构数据刻画物联网监测数据的低秩性。通过将构建的物联网的三阶张量数据张量分解后，依据相应的张量补全模型进行补全，采用核张量与因子矩阵的各模的乘积生成的三阶张量重构数据刻画物联网监测数据的低秩性，有效提高物联网数据的重建精度。
-
公开(公告)号：CN116087435A
公开(公告)日：2023-05-09
申请号：CN202310347881.3
申请日：2023-04-04
Applicant: 石家庄学院
Abstract: 本发明提供了一种空气质量监测方法、电子设备及存储介质，首先获取待检测点的空气质量数据来构建张量数据；然后对张量数据进行Tucker分解，得到核张量和各模对应的因子矩阵；再结合张量补全模型，采用优化最小化方法对模型进行求解，得到重构张量；其中，张量补全模型中设置有核范数和log‑sum惩罚函数来体现各模对应的因子矩阵的低秩性和核张量的结构稀疏性；再根据重构张量，对待检测点的张量数据进行补全，得到补全后的张量数据，从而确定待检测点的空气质量监测结果。通过将分解产生的各模对应的因子矩阵的低秩结构和核张量的结构稀疏性来构建重构张量，从而刻画张量数据的各维度之间的低秩性，来对张量数据进行补全，实现空气质量的精准监测。
-
公开(公告)号：CN116186522B
公开(公告)日：2023-07-18
申请号：CN202310347597.6
申请日：2023-04-04
Applicant: 石家庄学院
IPC: G06F18/213
Abstract: 本发明提供了一种大数据核心特征提取方法、电子设备及存储介质，首先获取待提取数据，并根据待提取数据构建张量表示的高维数据；对高维数据进行正交Tucker分解，得到核张量和各模对应的因子矩阵；将核张量、各模对应的因子矩阵、高维数据输入到预先建立的张量优化模型中，采用块坐标下降算法对张量优化模型进行求解，得到待提取数据的低维特征；其中，张量优化模型中设置有l1‑正则化项和流形正则化框架。通过对高维数据正交Tucker分解后，将产生的核张量，结合流形正则化嵌入约束和l1‑正则化项，从而提高低维子空间的特征区分性，有效保持高维数据的几何信息，避免信息丢失，保证大数据核心特征提取的有效性。
-
公开(公告)号：CN116450636A
公开(公告)日：2023-07-18
申请号：CN202310729965.3
申请日：2023-06-20
Applicant: 石家庄学院
IPC: G06F16/215 , G06F17/16
Abstract: 本发明提供了一种基于低秩张量分解的物联网数据补全方法、设备及介质，首先构建物联网监测数据的三阶张量数据并进行正交Tucker分解，得到核张量和因子矩阵；将核张量、因子矩阵、三阶张量数据输入到张量补全模型中，对张量补全模型进行求解，并用三阶张量数据对求解得到的三阶张量重构数据进行张量补全，得到补全后的三阶张量重构数据；其中，张量补全模型根据核张量和因子矩阵的各模的乘积生成的三阶张量重构数据刻画物联网监测数据的低秩性。通过将构建的物联网的三阶张量数据张量分解后，依据相应的张量补全模型进行补全，采用核张量与因子矩阵的各模的乘积生成的三阶张量重构数据刻画物联网监测数据的低秩性，有效提高物联网数据的重建精度。
-
公开(公告)号：CN116186522A
公开(公告)日：2023-05-30
申请号：CN202310347597.6
申请日：2023-04-04
Applicant: 石家庄学院
IPC: G06F18/213
Abstract: 本发明提供了一种大数据核心特征提取方法、电子设备及存储介质，首先获取待提取数据，并根据待提取数据构建张量表示的高维数据；对高维数据进行正交Tucker分解，得到核张量和各模对应的因子矩阵；将核张量、各模对应的因子矩阵、高维数据输入到预先建立的张量优化模型中，采用块坐标下降算法对张量优化模型进行求解，得到待提取数据的低维特征；其中，张量优化模型中设置有l1‑正则化项和流形正则化框架。通过对高维数据正交Tucker分解后，将产生的核张量，结合流形正则化嵌入约束和l1‑正则化项，从而提高低维子空间的特征区分性，有效保持高维数据的几何信息，避免信息丢失，保证大数据核心特征提取的有效性。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
